运行使用 maven 构建的 jar 时的 FlinkMLTools NoClassDef

Posted 2023-02-27

【中文标题】运行使用 maven 构建的 jar 时的 FlinkMLTools NoClassDef

【英文标题】：FlinkMLTools NoClassDef when running jar built with maven

【发布时间】：2015-10-05 00:32:29

【问题描述】：

我正在使用 Apache Flink 开发推荐系统。当我在 IntelliJ 中测试它时，该实现正在运行，但我现在想在集群上运行。我还构建了一个 jar 文件并在本地对其进行了测试，以查看是否一切正常，但我遇到了问题。

java.lang.NoClassDefFoundError: org/apache/flink/ml/common/FlinkMLTools$

正如我们所见，我的代码中使用的 FlinkMLTools 类在 jar 运行期间找不到。 我用 Maven 3.3.3 和 mvn clean install 构建了这个 jar，我使用的是 Flink 0.9.0 版本。

第一道

事实是我的全局项目包含其他项目（并且这个推荐器是子项目之一）。这样，我必须在正确项目的文件夹中启动mvn clean install，否则Maven总是会构建另一个项目的jar（我不明白为什么）。所以我想知道是否有一种方法可以明确地告诉 maven 来构建全球项目的一个特定项目。实际上，FlinkMLTools 的路径可能包含在全局项目的 pom.xml 文件中的链接中。

还有其他想法吗？

【参考方案1】：

问题在于 Flink 的二进制发行版不包含库（flink-ml、gelly 等）。这意味着您要么必须将库 jar 文件与作业 jar 一起发送，要么必须手动将它们复制到集群中。我强烈推荐第一个选项。

构建一个 fat-jar 来包含库 jars

构建不包含不必要 jar 的 fat jar 的最简单方法是使用 Flink 的快速入门原型来设置项目的 pom。

mvn archetype:generate -DarchetypeGroupId=org.apache.flink \
-DarchetypeArtifactId=flink-quickstart-scala -DarchetypeVersion=0.9.0 

将使用 Scala API 为 Flink 项目创建结构。生成的pom文件会有以下依赖。

<dependencies>
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-scala</artifactId>
        <version>0.9.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-streaming-scala</artifactId>
        <version>0.9.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.flink</groupId>
        <artifactId>flink-clients</artifactId>
        <version>0.9.0</version>
    </dependency>
</dependencies>

您可以删除 flink-streaming-scala 并插入以下依赖标签以包含 Flink 的机器学习库。

<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-ml</artifactId>
    <version>0.9.0</version>
</dependency>

当您知道使用 mvn package 构建作业 jar 时，生成的 jar 应该包含 flink-ml jar 及其所有传递依赖项。

手动复制库jar到集群

Flink 包含所有位于已执行作业的类路径中的 <FLINK_ROOT_DIR>/lib 文件夹中的 jar。因此，为了使用 Flink 的机器学习库，您必须将 flink-ml jar 和 所有需要的传递依赖项 放入 /lib 文件夹中。这相当棘手，因为您必须弄清楚您的算法实际上需要哪些传递依赖，因此，您通常最终会复制 all 传递依赖。

如何用maven构建特定的子模块

为了从您的父项目构建特定的子模块 X，您可以使用以下命令：

 mvn clean package -pl X -am

-pl 允许您指定要构建的子模块，-am 告诉 maven 也构建其他必需的子模块。它也被描述为here。

【参考方案2】：

在集群模式下，Flink 不会将所有库 JAR 文件放入其工作线程的类路径中。在 IntelliJ 中本地执行程序时，所有必需的依赖项都在类路径中，但在集群上执行时则不然。

你有两个选择：

将FlinkML Jar文件复制到所有Flink TaskManager的lib文件夹中 为您的应用程序构建一个包含 FLinkML 依赖项的胖 Jar 文件。

详情请参阅Cluster Execution Documentation。

【讨论】：

对于网站上给出的不同方法，我仍然有同样的问题。我会直接在我使用的集群上尝试，希望他们有这个库！ :)

你是如何在你的集群上运行 Flink 的？你是在使用 YARN 还是在所有节点上都安装了 Flink？

我在所有节点上都使用 Flink。我有一个新事实。我设法在 jar 文件中有FlinkMLTools（我可以看到它在那里），用这个 jar 运行但有一个NoClassDefFound: breeze/storage/Zero，但根据我在 Internet 上找到的内容，它似乎是 Flink 的原生（微风库)...